数据集简介

CommitPackFT 是一个用于代码生成与理解的大规模文本数据集，专注于代码提交（commit）的微调任务。

主要用途

• 训练和微调代码生成模型（如代码补全、代码翻译、代码修复等）
• 支持代码提交信息的理解和生成
• 适用于代码相关的自然语言处理任务

数据类型/模态

• 模态类型：纯文本（text）
• 数据内容：代码提交记录，包含代码变更和提交信息

规模与统计

• 数据量：约 70.2 万行（702,062 rows）
• 下载量：超过 18 万次
• 社区反馈：80 次点赞

使用场景

• 代码大语言模型（Code LLM）的指令微调
• 自动化代码审查工具开发
• 代码变更预测与生成研究
• 软件开发辅助工具训练

特点

• 由 BigCode 社区维护
• 数据开源可公开访问
• 专注于实际开发场景中的代码提交数据
• 适用于从代码变更中学习编程模式和最佳实践